基于多参数和特征层融合的化学品燃爆状态辨识方法

叶树亮，张 晟

(中国计量学院计量测试工程学院，杭州310018)

危险化学品(Hazardous Chemical Materials，HCM)具有燃爆、毒害或腐蚀特质，受激可对人体和财产造成显著危害，在已被定为HCM的3万余种化学品中燃爆特性是其物理危害最突出的表现形式。HCM燃爆特性的精确检测利于HCM的分类以及在运输、贮存、装卸与使用中的标记警示，是国际关注的热点问题。近期实施的联合国化学品分类及标记全球协调制度(Globally Harmonized System，GHS)更对气体及气态混合物、固体及金属粉末、泡沫气溶胶等16类HCM的危险性尤其是燃爆特性的精确检测提出了要求［1］。

爆炸极限、火焰蔓延速率等是燃爆特性的数理表征，而燃爆状态辨识是获取HCM燃爆特性参数的关键技术。传统辨识方法采用静态式实验装置，检测时向处于稳定状态的HCM样品施加诱燃激励，利用一定感知单元辨识样品的受激状态，装置结构因样品种类而异，但基本原理均为诱燃激励下燃爆有无的观测［2－4］。目前国内、外相关研究或标准只有以人眼或单一传感器作为感知单元的描述，包括热电偶、压力传感器或声级传感器等［5－8］。由于人眼判断有主观性;而单一传感器不能全面描述受激状态且对检测环境抗干扰能力差［9］，故辨识手段准确度较低，以国内技术先进、具有代表性的出入境检验检疫部门检测设备为例，错误率在1～2%或以上，不能为化学品在生命周期中的各阶段提供安全指导。

本文给出一种可快速、精确辨识HCM样品受激状态的方法，其特点是利用两组光电传感器阵列扩展传统检测装置的信息参数;利用模糊神经网络实现HCM受激状态的精确辨识。该方法有效改善了目前检测装置普遍存在的自动化程度低、检测效率低和人员参与度高等缺点。

1 具有光、热双传感器的检测装置

图1的(a)和(b)分别为传统的人眼式和热电偶式HCM燃爆特性检测装置示意图，包括样品置放空间、诱燃激励和状态辨识单元，气体样品置放在耐压玻璃管，玻璃管底部点火电极为诱燃激励。

图1 易燃气体类HCM燃爆特性装置示意图

图1(a)的人眼式受激状态辨识单元中，由于视觉暂存效应，人眼仅能响应24 Hz及以下频率变化的现场事件，因此观测结果易失真;同时人眼对弱光不敏感，通常意义的无色火焰可导致人工辨识的失效。图1(b)的热点偶式受激状态辨识单元中，由管底、顶部两个热电偶完成对火焰温度信息的观测，以两位置先后的温度阶跃辨识燃爆是否发生及计算蔓延速率。然而这种装置会将样品仅在诱燃激励附近发生局部燃烧状态判为燃爆，原因是产生的热辐射不仅作用于底端热电偶，同时导致顶端热电偶产生明显的错误响应，此状态非国标定义的真实燃爆，是干扰引起的伪状态，因此装置发生了误判［10－11］。

本文在图1(b)中装置热电偶对径位置上增加两组光电传感器阵列，其结构如图2所示。光敏传感单元的感光元件为光电二极管，敏感光谱范围在400 nm～800 nm之间，输出电压在0～5 V内，与光强成线性关系［12］。为了消除HCM实验环境的杂光、热辐射干扰等伪状态和其他干扰状态，使观测结果与现场事件保持更高的一致性，将两种传感器输出对时间求导后获取梯度信息也作为判识数据，使改进后状态判断依据参数扩展为温度、光强度、温度梯度和光强度梯度。虽然各种HCM化学品燃爆特性检测装置的样品预配单元、置放空间的结构差异大，但燃爆的辨识手段近乎相同，因此本文热电偶和对径排布光电传感阵列的改进方案可移植到其它类型HCM检测装置上。

图2 多参数易燃气体类HCM燃爆特性装置

2 FNNS的建立及时变受激状态的辨识

装置有上、下端两组传感器，因此根据两组传感器数据对受激状态分别进行判断，系统最后输出的辨识结果是对两者的综合评价。FNNS因综合了基于Zadeh模糊逻辑推理的表述能力以及RBF神经网络的泛化能力［13］，对受激状态的模式分类具有独特优势。图3为以FNNS为核心、内嵌微处理器检测系统的原理框图，传感器观测值属于数值域，将其元素映射到模糊语言域上的过程是数据特征层处理一种方式，为FNNS建立的前提步骤，此时传统意义的传感器亦转变为模糊传感器，其特征是传感器输出表征受激状态的若干模糊子集，为FNNS的输入。

图3 以FNNS为核心的系统工作原理

本文选取高斯函数作为隶属函数，定义光强度、温度、光强度梯度和温度梯度为输入矢量空间的四个变量，由 X1，X2，X3，X4表示，每一变量有四个模糊子集，将非线性划分输入论域空间的模糊子集表示为图4形式。由于存在负梯度，基本论域理应向负半轴延伸，然而本文关注的是受激时刻火焰从无到有的阶跃，故只分析正梯度。输入论域根据光电传感器和热电偶调理电路输出的要求划分为11个等级，有 Very Big、Big、Small、Very Small四个模糊语言值。经隶属函数量化，网络输入被压缩于［0，1］的空间内，因此不另做归一化处理。

图4 FNNS的输入模糊子集形式

基于Zadeh模糊逻辑推理法制定了受激状态的分类规则如表1，表中列出的27条规则为对HCM所有受激状态的完整描述，其中局部燃烧易影响热电偶，造成伪状态，而光辐射干扰易影响光电传感器，造成伪状态，因此成为系统需明确区分的目标状态。在输入矢量激发规则后神经网络隐式表达的模糊关系蕴含式可确定最适输出模糊子集，作为受激状态估计的最优解。图5所示为区别于输入空间的输出模糊子集形式，隶属函数取高斯函数，为了便于结果计算，对输出各模糊子集隶属函数中心进行了均匀划分。

表1 四输入变量的分类规则表

图5 FNNS的输出模糊子集形式

非线性前馈单隐层的径向基神经网络，使用局部指数衰减的基函数在模式分类时具有精度高和所需参数少的特点，弥补了基于Takagi-Sugeno与类Takagi-Sugeno模型模糊神经网络中各条模糊规则的输出仅为输入线性组合的缺点［14］。RBF基函数为格林函数，本文取其特殊形式高斯函数，如式(1)所示。

式中rj表示第j个径向基神经元，代表系统的第j条受激状态辨识规则。权值w1ij和阈值b1j记录了各项辨识规则的具体编码信息，不同HCM的编码信息不同。网络输出层为rj的加权结果，如式(2)，其中w2ij、b2j代表输出层权值及阈值。

式(1)与式(2)确定了FNNS的三层拓扑结构，实现模糊关系的隐式存储。该结构在训练时不仅具有自更新性，且通过不断修正各输出模糊子集的隶属函数方式，使自身更具合理性。当时变输入矢量X与多个受激状态的欧代距离d(X，W1j)均较显著时，多条规则被同时激发，而输出矢量成为若干激发规律的非线性插值［15］，其中 X=(X1，X2，X3，X4)。输出矢量经最大隶属度原则的解模糊，转变为清晰域上对受激状态的最优估计。

将完成训练的FNNS内嵌于微处理器的存储空间，进行待测HCM的实时自动检测时，网络容错能力自动消除了环境光、热及温度等扰动，具有较强的鲁棒性。

3 实测结果及分析

依据标准，化学品的燃爆危险性通常被划分为危险、警告和不分类三个等级［16］，其分类的置信程度取决于燃爆特性描述准确性。为验证结合多传感器的FNNS对HCM燃爆状态辨识效果，以利于危险评价，本文在101．3 kPa大气压的实验环境下对易燃气体甲烷、泡沫气溶胶摩丝、易燃固体多聚甲醛和金属粉末镁粉等HCM进行了相关检测，检测环境为通用的实验条件，实验结果如表2所示。因选用的甲烷、摩丝、多聚甲醛和镁粉为典型化学品，故标准受激状态已知，表中数据以标准受激状态得出。

上述四种检测装置改造前以热电偶为信息来源。表中所示的人眼和热电偶项是出入境检验检疫部门在大量检测基础上的已有数据，其中人眼项由不同测试人员在不同时间和光线条件下测得。FNNS项数据中甲烷和镁粉分析样本数为2 500个，摩丝和多聚甲醛样本数为2 000个。

表2 装置燃爆状态的辨识结果

传统的人眼辨识因环境光辐射影响和本身的生理特征，容易做出错误判断，置信度最低;基于热电偶的单传感器辨识对热辐射干扰比较敏感，不能避免伪状态，因此错误率也较为突出，置信程度中等。而在原装置多传感器改造基础上的FNNS模式分类，错误率优于0．1%，较以往得到很大改善。目前利用该方法的改进装置已经应用到出入境检验检疫部门，在燃爆特性检测方面取得了很好的效果。

4 结论

本文结合GHS全球推广背景下对HCM燃爆特性提出的检测要求，首先对现有装置实施参数扩展，在此基础上对传感器观测值进行特征层处理，利用模糊逻辑神经网络建立了一种有效、准确区分各种受激状态的泛函映射。将该映射关系集成于嵌入微处理器中，又达到实时自动检测的目的。从测试结果可见该方法弥补了传统检测手段的缺陷，在指导HCM危险性警示和标记方面，具有重要意义。

［1］ 张少岩，车礼东．全球化学品统一分类和标签制度(GHS)实施指南［M］．北京:化学工业出版社，2009:49－53．

［2］ GB 19452－2004．氧化性危险货物危险特性安全规范［S］．

［3］ GB 19521．2－2004．易燃液体危险货物危险特性检验安全规范［S］．

［4］ GB/T 21622－2008．危险品易燃液体持续燃烧试验方法［S］．

［5］ De Smedt G，De Corte F，Notele R，et al．Comparison of Two Standard Test Methods for Determing Explosion Limits of Gases at Atmospheric Conditions［J］．Journal of Hazardous Materials，1999，70(2):105－113．

［6］ 胡耀元，周邦智，杨元法，等．H2，CH4，CO多元爆炸性混合气体的爆炸极限及其容器因素［J］．中国科学(B辑)，2002，32(1):35－39

［7］ ISO 10156 －2 －2005．Gases and Gas Mixtures-Determination of Fire Potential and Oxidizing Ability for the Selection of Cylinder Valve Outlets［S］．

［8］ 陈光明，王海鹰，王勤，等．测试方法对可燃性制冷剂爆炸极限影响的研究［J］．浙江大学学报(工学版)，2007，41(12):2098－2102．

［9］ 吕锋，文成林．电气测量中的多传感器信息融合技术［J］．传感器技，2002，27(10):1 －3．

［10］GB/T 12474－2008．空气中可燃气体爆炸极限测定方法［S］．

［11］GB 19521．3－2004．易燃气体危险货物危险特性检验安全规范［S］．

［12］王学影，张晟，叶树亮．气体易燃特性受限空间实验测定方法的研究［J］．传感技术学报，2010，23(3):307 －310．

［13］翁建华，陈艳．基于模糊神经网络的多传感器信息融合技术及应用［J］．传感技术学报，2003，16(4):501 －503．

［14］ Takagi T，Sugeno M．Fuzzy Identification of Systems and Its Applications to Modeling and Control．IEEE Transactions on Systems，Man，and Cybernetics，1985，15(1):116 －132．

［15］诸静．模糊控制原理与应用［M］．北京:机械工业出版社，2005:256－258．

［16］GB 20590－2006．化学品分类、警示标签和警示性说明安全规范．氧化性固体［S］．